1、精細營銷客戶預測專題培訓課程內容內容精細營銷對于客戶預測的要求精細營銷對于客戶預測的要求日常營銷目標客戶預測的現狀日常營銷目標客戶預測的現狀精細營銷客戶預測專題介紹精細營銷客戶預測專題介紹精細營銷客戶預測專題營銷支撐精細營銷客戶預測專題營銷支撐總結總結精細營銷對于客戶預測的要求 隨著移動通信行業由成長趨向成熟，以及市場競爭格局的逐步演變，對我們的市場精細營銷能力提出了新的要求：群發營銷外呼營銷交叉營銷實時營銷以產品為中心以客戶為中心 實現精確的客戶預測是精細營銷的基礎！實現精確的客戶預測是精細營銷的基礎！精確的客戶預測是基礎精確的客戶預測是基礎誰會使用我們的產品？內容內容日常營銷目標客戶預測的

2、現狀日常營銷目標客戶預測的現狀精細營銷對于客戶預測的要求精細營銷對于客戶預測的要求精細營銷客戶預測專題設計思路精細營銷客戶預測專題設計思路精細營銷客戶預測專題模塊介紹精細營銷客戶預測專題模塊介紹精細營銷客戶預測專題實施考慮精細營銷客戶預測專題實施考慮日常營銷客戶定位存在的問題前期營銷管理前期營銷管理存在的問題存在的問題 、目標客戶群的大小、目標客戶群的大小難以科學靈活控制難以科學靈活控制、客戶群依懶人工臨、客戶群依懶人工臨時從后臺提取時從后臺提取、目標用戶定位依然以、目標用戶定位依然以業務經驗為主業務經驗為主、業務人員僅得到有限、業務人員僅得到有限的報表數據支撐的報表數據支撐、目標用戶定位較粗

3、、目標用戶定位較粗不利于控制成本不利于控制成本、目標用戶定位較粗、目標用戶定位較粗容易引起投訴容易引起投訴、日常營銷客戶定位存在的問題日常的如短信群發、外呼等營銷手段，目標用戶群的選取仍然采用業務人員經驗指定的方式，經驗為導向的目標客戶群選取容易產生定位不準，客戶響應度不高，營銷效率較低等情況，特別是當前推出的大量新業務，對于目標客戶群的精準選取提出了更高要求用戶群定位精度不夠往往只能采用擴大目標用戶群的方式彌補，這樣就會增加營銷成本，在營銷高峰期，容易導致資源緊張p目標用戶定位較粗不利于控制營銷成本p目標用戶定位依然以業務經驗為主p業務人員僅得到有限的報表數據支撐現有的經分系統在提供日常用戶

4、群精細分析的支撐能力還有限，業務人員僅能通過有限的報表相關數據獲取幫助日常營銷客戶定位存在的問題長期向非目標用戶進行營銷容易引起客戶的反感，特別是對產品不感興趣的用戶，導致投訴的增加，不利于滿意度提高 客戶群提取從需求提出、審核、代碼編寫，運行及審核，經歷的環節很多，一方面時間上難以控制，往往受限于系統性能，另一方面重復、反復及修改提取的現象也很多，效率有待提高p客戶群依懶人工臨時從后臺提取p目標用戶定位較粗容易引起投訴p目標客戶群的大小難以科學靈活控制目標客戶群在選取中沒有重要程度的區別，對于營銷來說每個客戶的權重都一樣，為了控制營銷量只能采用隨機抽取的方式進行，缺乏科學的控制手段內容內容精

5、細營銷客戶預測專題介紹精細營銷客戶預測專題介紹日常營銷目標客戶預測的現狀日常營銷目標客戶預測的現狀精細營銷對于客戶預測的要求精細營銷對于客戶預測的要求精細營銷客戶預測專題營銷支撐精細營銷客戶預測專題營銷支撐總結總結客戶預測專題建設目標實現效率提升!群發營銷交叉營銷外呼營銷提升精確客戶預測能力提升經分數據挖掘能力()建立典型新業務數據挖掘模型建立典型新業務數據挖掘模型()數據挖掘技術支撐數據挖掘技術支撐()建立數據挖掘專題架構建立數據挖掘專題架構()構建基于數據挖掘的統一視圖構建基于數據挖掘的統一視圖通過客戶定位專題的建設，初步實現：支撐精細營銷一、 數據挖掘技術 按既定業務目標，對大量的企業數

6、據進行探索，揭示隱藏其中的規律性，并進一步將其模型化的先進、有效的方法什么是數據挖掘經典案例：啤酒和尿布的故事一、數據挖掘技術客戶預測挖掘采用方法（以飛信為例子） 基于現有飛信用戶和普通用戶樣本，搜集和判斷影響用戶成為飛信用戶的要素，采用邏輯回歸的方法訓練樣本得到回歸模型，用以計算未來用戶成為飛信用戶的概率 小知識：數據挖掘方法：包括關聯、序列、分類及聚類，客戶預測屬于分類分類采用如下的技術：如決策樹，神經網絡、邏輯回歸等，客戶預測采用邏輯回歸1.抽樣2.探索3.修改4.建模5.評估從數據挖掘專用庫中隨機抽取用戶作為訓練樣本，確保普遍性原則采用直方圖等方式初步分析各變量對于結果的影響程度定義業

7、務問題定義業務問題數據準備數據準備模型發布模型發布回顧和評價回顧和評價采用邏輯回歸方法訓練得到預測模型，得到預測概率方程式采用十分位方法驗證健壯性，采用重采樣防止過適應采用專用數據挖掘軟件，利用邏輯回歸中的后向、逐步及評分方法得出權重較高的影響變量集一、數據挖掘技術實施步驟數據倉庫數據挖掘專用數據層手機報模型手機證券模型飛信模型其它數據挖掘模型二、系統架構系統客服系統外圍數據源清單查詢清單導出數據接口營銷管理平臺前臺短信中心彩信中心外呼中心網站經營分析系統經營分析系統 數據挖掘對于數據的組織形式有特定的要求，以往以月為單位的歷史信息存儲無法滿足深度挖掘的需要，需要轉化成月均寬表的形式，可以極大

8、提升數據挖掘數據準備的效率何謂專用數據層二、系統架構數據挖掘專用數據層二、系統架構數據挖掘專用數據層DW(數據倉庫層)DWD(數據倉庫明細層)ODS(操作數據存儲層 )ST(匯總層)報表主題KPI即席查詢語音消費信息歸整集(2年)短信消費信息歸整集(2年)彩信消費信息歸整集(2年)GPRS消費信息歸整集(2年)夢網消費信息歸整集(2年)夢網注冊信息歸整集(2年)產品注冊信息歸整集(2年)營銷活動信息歸整集(2年)（預繳、終端捆綁、促銷等）自然屬性信息歸整集(2年)其它信息(2年)涵蓋了當前能夠獲得的用戶所有信息數據挖掘專用數據層將倉庫數據轉化為數據挖掘易于使用的數據專題數據倉庫數據流經營分析系

9、統應用挖掘引擎挖掘模型專用數據層三、構建典型新業務模型 新業務相對于語音業務，用戶市場呈現小而多的特點，如何準確的找到潛在的新業務用戶群是面臨的重要課題，本專題從典型新業務入手，如飛信、手機報等，嘗試采用客戶預測的方法，找到每類新業務的潛在用戶群，從而實現新業務的精細營銷 下面以實現的第一個新業務模型飛信為例進行原理介紹實施實施步驟步驟選擇樣本用戶分析影響因素選擇重要變量建立預測模型驗證評估模型三、飛信模型介紹飛信樣本飛信樣本普通樣本普通樣本訓練樣本 在網三個月以上 月注冊成飛信 月連續活躍 共萬用戶 隨機抽取普通 用戶 共萬用戶樣本一樣本二 樣本用戶的選擇需要確保其能真實體現飛信或普通用戶的

10、一般特征，剔除由于促銷活動等引發的“非正常”用戶樣本需體現普遍性 選擇樣本用戶 (代表最近值、代表頻度值、代表幣值) 是將客戶特征化的經典方法，最早應用于目錄營銷服務行業 我們認為年齡、性別、品牌、交往圈及終端等自然屬性是影響用戶成為飛信用戶的關鍵因素變量自然屬性 用戶使用移動通信語音、短信、彩信、等服務產生的業務量及收入也作為可能的影響因子納入進來消費特征哪些方面的因素是飛信用戶區別于普通用戶的特征呢？ 分析影響因素 我們認為假如用戶最近定購過新業務類或夢網類產品，或者近年定購的次數比較多，則用戶繼續定購新業務產品（比如飛信）的可能性會比較高，因此納入以下變量：近年新業務產品定購次數、最近新

11、業務產品定購間隔、新業務產品當前有效個數短信類、彩信類、類、類、手機郵箱類、語音增值類、來電助手類基礎通信類商務類、博客類、手機報類、音樂類、彩信類生活娛樂商務類由于夢網產品無明確細分方法，只能以總的為依據夢網類新業務細分注：彩鈴、來電助手等由于捆綁性質居多，無法體現真實用戶使用趨向，這里統一未納入考慮三大變量 分析影響因素變量 我們認為年齡、品牌、交往圈及終端等自然屬性是影響用戶成為飛信用戶的關鍵因素通過單變量回歸分析，發現歲是一個比較顯著的飛信用戶分水嶺年齡飛信用戶以交流為主，因此用戶交往圈的大小具有重要意義，通過單變量回歸分析發現，在一定時間段內有次以上在不同天有通話的對端用戶才是有效交

12、往用戶交往圈是否屬于動感地帶用戶是一個重要布爾變量品牌是否終端支持性別在網時長 分析影響因素自然屬性 用戶使用移動通信語音、短信、彩信、等服務產生的業務量及收入也作為可能的影響因子納入進來。 為了降低短時間內異常消費行為的影響，比如促銷，所有的消費行為數據都以近年的月均消費為基準。近年收入近年優惠收入近年費收入收入類(個)近年通話時長近年本地通話時長近年省內漫游通話時長近年省際漫游通話時長語音類(個)近年短信發送條數近年彩信發送條數近年次數近年彩鈴下載次數新業務類(個) 分析影響因素消費特征 共規整收集個變量，采用后向、逐步回歸方法，逐步淘汰不相共規整收集個變量，采用后向、逐步回歸方法，逐步淘

13、汰不相關變量，最終選擇穩定的排名前的變量作為飛信影響因素關變量，最終選擇穩定的排名前的變量作為飛信影響因素( (模型輸入變量模型輸入變量) )值得關注的現象： 、等常規用戶價值度量與飛信用戶相關性非常小，變量則體現出其價值 選擇重要變量實際模型：() （代表成為飛信用戶的概率）* （品牌） * （是否動感地帶）* （年齡是否小于）* （交往圈是否小于）* （交往圈是否在與之間） * （交往圈是否在與之間）* （交往圈是否大于）* （是否飛信終端）* （最近定購的音樂產品間隔 倒數）* （上網次數 平方根）* （近兩年月均產品定購次數）* （近兩年月均產品定購次數 ）* （近個月內是否定購過產品

14、）* （最近定購的產品間隔 ） * （近兩年月均音樂產品定購次數 立方的倒數）* （近兩年月均產品定購次數）* （最近定購的手機報產品間隔 倒數）* （近兩年月均手機報定購次數 平方根）* （近兩年月均手機郵箱定購次數 平方根）* （最近是否定購過短信產品）* （最近定購的商務類產品間隔 ）* （最近定購產品的間隔 倒數）* （最近定購產品的間隔 倒數）* （最近定購夢網產品的間隔 倒數）* （近兩年月均語音增值產品次數 立方的倒數）* （近兩年月均短信發送次數 平方根）* （近兩年月均流量 ）* （近兩年月均彩鈴產品定購次數 立方的倒數） 針對所選變量采用邏輯回歸方法，訓練得到擬合方程式:(

15、)其中： 代表成為飛信的概率 、等代表所選的變量（影響因素） 、等代表計算得到的系數 即為計算得到的飛信活躍用戶的概率 模型確立后，只要數據收集完整，非常容易推廣和應用到實際的營銷中，由于是以概率為度量，可以對營銷數量進行靈活的控制 建立預測模型假如某用戶資料如下：品牌：全球通年齡：交往圈：終端：支持飛信最近一次訂購音樂類產品的時間間隔：個月最近年月均上網次數：次最近年月均產品定購次數：次最近增值類產品參加時間間隔：個月最近年月均時長：分鐘最近一次訂購夢網類產品的時間間隔：個月最近年月均短信發送次數：條最近年月均流量：則計算其成為飛信活躍用戶的概率為： 建立預測模型(舉例)十分位分析十分位樣本

16、量預測概率實際比例 十分位分析是驗證模型健壯性的常用方法，其將樣本按照預測概率高低排序等分為等份，通過以下兩種方式來檢查模型的強壯性：（）每個等分內預測概率與實際情況的差異（）最高最低等分預測概率的差異 預測概率均值與實際情況相差很小最佳十分位是最差十分位預測概率的倍非常好的區分性能注：為了防止模型的過渡適應，即它吸收了數據中的非規則元素，往往還需采用重采樣方式來驗證模型健壯性 模型驗證四、 構建數據挖掘統一視圖未來將構建預測統一視圖，實現常態化精細營銷支撐歸屬飛信品牌手機報套餐手機證券在網時長全曲下載入網渠道彩鈴年齡手機上網其它等彩信彩信開通屬性其它彩鈴開通屬性欠費概率GPRS開通屬性離網概

17、率手機報開通屬性短信飛信開通屬性10086其它等網站短信發送條數營業廳彩信發送條數GPRS流量彩鈴下載次數通話次數其它等ARPU新業務費語音費用增值業務費其它等投訴次數建議次數咨詢次數業務受理次數其它等客戶消費屬性接觸屬性客戶預測統一視圖其它新業務偏好度離網偏好度渠道偏好度客戶基本屬性產品開通屬性客戶行為屬性預先生成用戶對每類新業務（也可以擴展到其它領域）的偏好程度，實現客戶預測常態化，并將預測結果納入客戶統一視圖內容內容精細營銷客戶預測專題營銷支撐精細營銷客戶預測專題營銷支撐日常營銷目標客戶預測的現狀日常營銷目標客戶預測的現狀精細營銷對于客戶預測的要求精細營銷對于客戶預測的要求精細營銷客戶預

18、測專題介紹精細營銷客戶預測專題介紹總結總結一、預測數據對于精確營銷的意義用戶群定位精細科學化用戶群定位精細科學化用戶群大小可控制化用戶群大小可控制化用戶群提取的高效化用戶群提取的高效化由經驗和簡單的目標用戶刪選判斷方法轉向深度分由經驗和簡單的目標用戶刪選判斷方法轉向深度分析挖掘為依據析挖掘為依據營銷目標用戶群都可以預先挖掘生成營銷目標用戶群都可以預先挖掘生成預測概率使得每個用戶對于某個營銷活動都是有重預測概率使得每個用戶對于某個營銷活動都是有重要程度的區別的要程度的區別的預測概率使得用戶群是精確可控的，群發可根據輕預測概率使得用戶群是精確可控的，群發可根據輕重緩急靈活調整重緩急靈活調整很多目標用戶預先生成，縮短了目標客戶群提取周期很多目標用戶預先生成，縮短了目標客戶群提取周期營銷價值營銷價值對于提高客戶的響應率，降對于提高客戶的響應率，降低客戶投訴，提升營銷效率，低客戶投訴，提升營銷效率，都具有意義都具有意義二、營銷數據推送接口前臺查詢前臺導出營銷管理平臺營銷管理平臺營銷渠道營銷渠道營業前臺客服系統短信彩信中心網站客戶經理離網專題精細客戶預測專題精細客戶預測專題經營分析系統經營分析系統飛信、手機報、手機證券用戶清單等直接推送目標客戶刪選和控制業務受理營銷活動執行經營分析系統中建立精細客戶預測專題，根據需要建立飛信等挖掘模型，定期生成預